第1章 通过大数据管理企业

1.1 引言

1.2 挑战

1.3 正在发生的现象

1.4 社交网络

1.5 个性化服务和社群

1.6 科技驱动和商业分析

1.7 从数字到大数据

1.7.1 我们是如何走到这一步的？

1.7.2 为什么它如此重要？

1.7.3 科技的升级换代如何满足需求？

1.8 重新定义组织结构

1.8.1 关于重新定义

1.8.2 一些挑战

1.8.3 一些机遇

1.8.4 重塑的机会

1.9 为大数据时代做好准备

1.9.1 科学、技术、工程和数学

1.10 一些建议

1.11 参考文献

第2章 杰克和大数据豆茎：利用充满潜力的市场商机

2.1 你认识杰克吗？

2.2 来自大数据的挑战

2.3 当老问题遇上新问题

2.4 五个驱动力

2.4.1 全局视角

2.4.2 由内及外

2.4.3 由外及内

2.4.4 兼容并蓄

2.4.5 建立互信

2.5 收获与回报

2.5.1 增加15％～30％的市场投资回报率

2.5.2 提升10％～15％的客户毛利润

2.5.3 改善5％～7％的定价

2.6 什么才是你通往成功的豆茎？

第3章 大数据商务分析前沿：网络市场中的模式和案例

3.1 简介

3.2 大数据分析

3.2.1 计算机擅长的工作

3.2.2 计算机不是万能的

3.2.3 传统商务智能和大数据

3.2.4 模型必须由人来设计

3.2.5 模型也需要测量

3.2.6 数据越大，模型越好

3.2.7 大数据和Hadoop

3.3 网络营销案例学习

3.3.1 wine.com一对一邮箱

3.3.2 雅虎网络市场细分分析

3.3.3 雅虎邮箱保留

3.3.4 潜在客户评分

3.3.5 客户终身价值

3.3.6 广告表现优化

3.3.7 收入预测

3.3.8 Ask.com的搜索引擎营销

3.4 一些建模经验

3.5 结论

3.6 参考文献

第4章 数据的内在价值

4.1 介绍

4.2 数据历史简介

4.3 交易数据

4.4 个人信息

4.5 行为数据

4.6 数据的成本

4.7 数据的价值

4.8 微分值

4.9 结合数据

4.10 贬值的价值

4.11 数据的美元价值

4.12 结论

4.12 参考文献

第5章 从大数据中发现重要价值：开启高效能分析的力量

5.1 高效能分析：机遇和挑战

5.2 核心1：网格计算——充分利用你硬件环境里的容量

5.2.1 灵活性与成本优势

5.2.2 突破分析：从“天”到“分”

5.3 核心2：数据库内部处理——快速了解

5.3.1 计算1.2 万亿行数据

5.3.2 了解该获取哪些关系

5.3.3 更快的执行，更高的效率

5.4 核心3：内存分析

5.4.1 对市场偏好和趋势迅速做出反应

5.4.2 从167个小时到84秒

5.4.3 应对复杂的挑战

5.5 利用高效能分析取得成功究竟需要些什么？

5.6 结论

第6章 竞争者、情报和大数据

6.1 引言

6.2 知识管理、知识资本，以及竞争情报

6.3 大数据

6.4 战略保护系数以及大数据

6.5 结论

6.6 参考文献

第7章 用大数据拯救生命：揭开电子化健康记录隐藏的潜在信息

7.1 幸存下来的败血症患者

7.2 收集数据的新方法

7.3 时间问题

7.4 合规性评估

7.5 早期诊断

7.6 下一阶段：连续监测

7.7 解读医生和护士的注意事项

7.8 未来展望

第8章 创新模式和大数据

8.1 引言

8.2 大数据背景

8.2.1 作为一种自然资源的大数据

8.2.2 作为一种大的数字库存的大数据

8.2.3 作为一种对过去更加颗粒化视图的大数据

8.2.4 大数据和组织的挑战

8.2.5 大数据在过程创新中的角色

8.3 P-TRIZ：可重复过程的创新

8.4 符号

8.5 P-TRIZ方法和技术的例子

8.6 结论

8.7 参考文献

第9章 美国交通部门的大数据

第10章 将大数据作为决策过程的核心

10.1 背景

10.2 铁三角：技能、信任和使用权

10.3 人才

10.3.1 功能与职责——金发女孩准则

10.3.2 要达成目的，不能以此为开始

10.3.3 过犹不及

10.4 流程

10.4.1 像钟表发条一样规律

10.4.2 半途而废，还不如不开头

10.4.3 增值而非增扰

10.4.4 重写历史

10.5 技术

10.5.1 用户有差别

10.6 结论

第11章 从多元时间数据中提取有用的信息

11.1 引言

11.2 实例应用：公共卫生

11.3 实例应用：临床信息学

11.4 实例应用：金融

11.5 实例应用：设备管理

11.6 结论

11.7 致谢

11.8 参考文献

第12章 大规模时间序列预测

12.1 引言

12.2 背景

12.2.1 R与数据分析

12.2.2 相关工作

12.3 Map：并行应用

12.3.1 设计目的

12.3.2 实施概况

12.3.3 R的词法作用域和序列化

12.3.4 工作日程安排

12.3.5 错误的处理和返回值

12.4 简化

12.4.1 数据存储和序列化

12.4.2 Dremel中的分布式结果整合

12.5 应用于预测

12.5.1 谷歌预测

12.5.2 预测方法论概览

12.6 预测置信区间

12.6.1 迭代预测法

12.6.2 比萨饼搜索轨迹的1000条实现

12.7 预测评价和R MapReduce

12.8 实验结果

12.9 结论

12.10 致谢

12.11 参考文献

第13章 使用大数据和分析来解锁慷慨

13.1 引言

13.2 大数据环境

13.3 慷慨行为分析

13.3.1 慷慨是天生的

13.3.2 慷慨基于信任

13.4 必须考虑捐赠者的要求

13.5 为什么大数据在解决这一问题中占据了一席之地？

13.6 大数据及分析是如何解锁慷慨的？

13.6.1 步骤一：利用人口统计与调查数据来丰富数据

13.6.2 步骤二：用大数据来丰富交易数据

13.6.3 步骤三：融合数据然后建立一个单支持者视图

13.6.4 步骤四：为数据建模和建立他们为什么捐献的模型

13.6.5 步骤五：学习和响应

13.7 结论

第14章 大数据在医疗保健中的应用

14.1 引言

14.2 健康大数据的类型

14.3 临床服务数据

14.4 公共卫生调查和监测信息

14.5 医学研究数据

14.6 以消费者为中心的信息

14.7 创建分析工具，为临床提供信息和业务决策

14.8 在大数据文化下取得成功

14.9 参考文献

第15章 大数据：结构化和非结构化

15.1 引言

15.2 轻量级和重量级的语义学

15.3 商用NLP系统

15.3.1 技术方法

15.3.2 实施和系统集成

15.3.3 歧义与语境

15.4 未来的方向

15.5 附录